Représentation des Connaissancesdeptinfo.cnam.fr/Enseignement/CycleSpecialisation/IAB/Docs/... · Calcul des prédicats classique ou typé Logiques à plusieurs valeurs de vérité

Intelligence Artificielle NFP106 Année 2012-2013

http://deptinfo.cnam.fr

F.-Y. Villemin ([email protected])

Représentation des Connaissances

2"© F.-Y. Villemin 2012"

Représentation des Connaissances !!Langage interne

(1)!Adéquation de la représentation!: Nécessaire pour avoir au moins toutes les connaissances utiles à la résolution du problème

(2)!Adéquation de l'inférence!: Nécessaire pour que les connaissances inférées puissent être interprétées comme des faits observables (vrais)

(3)!Efficacité de l'inférence!: Possibilité d'utiliser les connaissances sur la manière d'utiliser les connaissances!: guider l'inférence

(4)!Extensibilité de la représentation!: Indispensable pour acquérir de nouvelles connaissances

(5)!Efficacité de l'acquisition!: Nécessaire pour que les nouvelles connaissances soient intégrables aux précédentes (vérification de la cohérence, regroupements)


Techniques de Représentation des Connaissances (1) Systèmes de productions :

Simple (Rete) Système hiérarchique réseaux de transition...

(2) Logiques : Calcul des prédicats classique ou typé Logiques à plusieurs valeurs de vérité " logique bayesienne,

floue... Logiques non-monotones " logique des défauts...

(3) Réseaux et Objets : Réseaux sémantiques, graphes conceptuels Frames, scripts… Langages hybrides (KL-ONE…)

(4) Acteurs et agents intelligents " Intelligence artificielle distribuée (IAD)


Systèmes de productions Avantages Inconvénients Modularité Inefficacité Uniformité Opacité ! Aspect naturel Contraintes de la représentation

Utilisations : !  Savoir diffus : beaucoup de faits peu liés entre eux

(contraire : savoir concis, théorie unifiée) !  !Savoir représenté par des actions indépendantes

(contraire : processus interdépendants) !  !Savoir séparable de la manière de l'utiliser

(contraire : les procédures)

Systèmes de productions :! !  Simple (EMYCIN) !  Hiérarchique (EXPERT) !  Réseaux de transition de systèmes de productions (HEARSAY)


Systèmes de productions Expert/Casnet : "  Hiérarchie de paquets de

productions (ici 3 niveaux) : 1.  niveau états pathologiques 2.  niveau maladies 3.  Passage états pathologiques à

maladies


Systèmes de productions Hearsay II :

" Réseau de transitions de paquets de productions

NIVEAUXPhrase

Lexique

Syllable

Phonème de surface

Phonème

Segment

Paramètre

SOURCES de CONNASSANCES

Analyseur syntactico-semantiqueHypothétiseur syntactico-semantiqueHypothétiseur de phonèmes

Générateur de mots candidats

Synchroniiseur de phonèmes

Synthétiseur de phonèmesCombinateur de segments

Classeur de segments


Logiques Calcul des prédicats du 1er ordre Clauses de Horn (PROLOG) Logiques typées (PLANTS) Logique bayesienne (Probabilités)!#!impossible à mettre en pratique Logique floue (Zadeh) : domaine réel [0!..!1] valuation (non A) 1- a valuation (A ou B) max(a, b) valuation (A et B) min(a, b) Coefficient de certitude (ex : MYCIN): domaine réel [-1!..!1] valuation (non A) - a valuation (A ou B) max(a, b) valuation (A et B) min(a, b) renforcement de l’évidence (cas C1 & C2"0) : si E avec règle R1 et coefficient C1 et E avec règle R2 et coefficient C2 alors E avec coefficient C1+C2-C1*C2


Logiques non-monotones Problème de la typicalité : (1)!Si X est un oiseau alors X vole (2)!Si X est une autruche alors X ne vole pas (3)!Si X est une autruche alors X est un oiseau (4)!Lola est une autruche #!Logique classique!!!Lola vole et Lola ne vole pas

(contradiction)

#!Logique des défauts (Reiter 80) : (1 bis)!Si X est un oiseau et si il ne peut pas être prouvé que X ne vole pas alors X vole Défauts!#!sémantique de point fixe


Logiques non-monotones Problème de l’action : 1.!Si j'ai 10 000 euros alors je fais le tour du monde 2.!Si j'ai 10 000 euros alors j'achète une voiture 3.!Si j'ai 10 000 euros alors j'ouvre un compte rémunéré 4.!J'ai 10 000 euros

#!Logique classique!!! J'ai 10 000 euros et je fais le tour du monde et j'achète une voiture et j'ouvre un compte rémunéré

Introduction de la négation: "je n'ai pas 10 000 euros" #!contradiction

Problème de dépendance avec : "j'ouvre un compte rémunéré" et "J'ai 10 000 euros" #!Système de maintien de la cohérence (ATMS de Kleer)


Exemple : une arche En calcul des prédicats : Arche(A,B,C)!! bloc(A)!$!bloc(B)!$!bloc(C)!$!est—sur(A,B) $!est-sur(A,C)!$!¬à-côté(B,C) $!vertical(B) $!vertical(C) $!horizontal(A) $!C = B

Représentation des Connaissances

C

A

B


Réseaux sémantiques Hypergraphes orientés : !  Nœuds: classes ou instances !  Arcs (et/ou) : relations entre objets ou propriétés d’objets

X

A

B C

bloc

est-constitué-de

est-sur

est-un

=

arche

à-côté

horizontal

vertical vertical


“Frames” ou schémas Du à M. Minsky (1975), inspirés par les prototypes : schéma : arche

attribut :

côté-gauche est-un bloc

côté-droit est-un bloc

tablier est-un bloc

propriété:

côté-gauche!= côté-droit

est-sur (tablier, côté-gauche)

est-sur (tablier, côté-droit)¬ à-côté (côté-gauche, côté-droit)

gauchegauchegauche,

horizontal (tablier)

vertical (côté-gauche)

vertical (côté-droit)


Acquis des sciences cognitives Psychologie cognitive, anthropologie, linguistique… (1)!Models mentaux Ph. Johnson-Laird (1983) :

!  "Les gens raisonnent en fonction du contenu spécifique du problème et non pas en suivant des règles logiques abstraites, mais au moyen d'heuristiques de décision" !  "Les gens raisonnent en fonction de prototypes spécifiques du domaine et non pas en suivant des règles statistiques abstraites"

(2)!Heuristiques humaines de décision Kahneman, Slovic & Tversky (1982) : ! !"availability heuristics" ! !"representativity heuristics" ! !"causual analysis heuristics"


Acquis des sciences cognitives (3)!Prototypes E. Rosch (1973) (pas de CNS pour catégories “naturelles” comme fruits, meubles…) :

!  les sujets classent les membres d'une catégories en fonction de leur exemplarité !  les sujets catégorisent d'abord les membres les plus typiques !  les sujets citent plus d'attributs communs (caractéristiques) pour les membres les plus typiques que pour les atypiques (qui ont des caractéristiques communes avec d'autres catégories)


Prototypes Exemple des fruits :

… SANGUINE BIGARADE

! orange ! orange+ peau fine

! orange+ chair rouge

! orange+ gout amer

MEXICANA

! orangesauf couleur verte

possède un coeurpeau avéoléetaille entre 50 et 80

Frontière commune avec

CITRUS


Langages hybrides KL-ONE R. Brachman & H. Levesque (1983) :

(1) généralisation des réseaux sémantiques et langage de frames (2) donner une sémantique précise aux langages (autre que celle qui

dérive de l'implantation) (3) permettre à un système de raisonner sur son état de connaissance

Langage hybride : !  partie terminologique (ensemble de "termes") !#!structure des éléments et les relations entre les divers termes !#!Syntaxe :

{concept}!!!{objet} {rôle}!!!{relation binaire entre concepts}

!  partie assertionnelle (ensemble d'assertions) !#!théorie du premier ordre sur les termes du langage terminologique !#!structure et propriétés liés à un concept


Langages hybrides

SYNTAXE SEMANTIQUE<description> ::= <nom-concept>! ! ! | ANY! ! ! | NIL! ! ! | (AND <concept1> … <conceptn>)! ! ! | (ALL <rôle> <concept1>)! ! ! | (ATLEAST n <rôle>)! ! ! | (ATMOST n <rôle>)

!DD"# [concept1]$ … $ # [conceptn]{x%D | &y%D : (x, y)% # [rôle]' y%# [concept1]}{x%D | ||{y%D | (x, y)% # [rôle]}|| ≥ n}{x%D | ||{y%D | (x, y)% # [rôle]}|| ≤ n}!DXD# [rôle1]$ … $ # [rôlen]

# [nom-concept ] =# [description ]# [nom-concept ] ! # [description ]

<rôle> ::= <nom-rôle>! ! | (AND <rôle1> … <rôlen>)

<concept> ::= <nom-concept> ( <description>! ! | <nom-concept> ≤ <description>)


Langages hybrides Interprétation ! couple (%, & ) %, domaine, est un ensemble non vide de noms de concepts &, fonction d'interprétation, de concepts vers sous-ensembles de % Concept interprété comme un ensemble d'objets, son extension: C& ' %


Langages hybrides Exemple de Brachman & Levesque (1984) :

“Un sujet qui a des enfants dont tous les fils sont avocats et dont toutes filles sont médecins”

Sous forme de frame (LOOPS, KOOL…):

Sujet = (personne !! ! ! enfant : (≥1)!! ! ! fils : avocat!! ! ! fille : médecin!! ! !)!


Langages hybrides En (petit) langage hybride :

personne ( ANY!!enfant ( personne!!fils ( enfant!!fille ( enfant!!avocat ( personne!!médecin ( personne!!sujet ! (AND personne!! ! !(AND (ALL avoir enfant)!! ! ! ! (ATLEAST 1 avoir ))!! ! !(AND fils!! ! ! ! (ALL être avocat))!! ! !(AND fille!! ! ! ! (ALL être médecin))!! !)!


Langages hybrides Relation de soussomption ( :

C ( D si et seulement si C& ' D&

" préordre sur l'ensemble des descriptions de concepts, car transitive et réflexive

Relation d'équivalence ! :

C ! D si et seulement si C& = D&

" ordre partiel sur l'ensemble des descriptions de concepts utilisant opérateur


Langages hybrides Classification ! calcul de la relation de soussomption

Exemple : concepts de Personne, d'Agent, d'Agent-Homme ou d'Agent-Femme

Agent ( Personne Agent est une spécialisation de Personne Agent-Femme ( Agent Agent-Femme est une spécialisation d'Agent Agent-Homme ! (AND Agent NOT Agent-Femme)!


Logique de Description : consistante,complète,procédure inférence décidable et à raisonnable puissance d'expression

Concepts !  Prédicats unaires ou ensembles d'individus C, D, E…

Rôles !  Prédicats binaires ou ensembles de paires d'individus !  Restrictions de valeurs )R.C ! Ensembles d'individus en relation dans R avec des individus du concept C *R.C ! Ensembles d'individus dans lequel au moins est en relation dans R avec un individu du concept C

Subsumption (relation du particulier au général)

C D ! CI ' DI

subsumé subsumeur

Logique de Description


Logique de Description Base de connaissances TBOX : la terminologie ou vocabulaire du domaine d'application

(Concepts, Rôles) ABOX : Assertions sur des individus nommés avec les termes

de la terminologie

TBOX

ABOX

Description Language


Le Langage ALC!Ai! (un nom de concept) T (le “tout”), + (le “rien”), (C , D) (conjonction de deux concepts), (C - D) (disjonction) ¬ C (négation) )R.C (quantification universelle), *R.C (quantification existentielle), (! n R) (restriction par nombre) (" n R) Un rôle peut être défini par une conjonction de noms de rôles : P1,P2,… ,Pk


Le Langage ALC L’interprétation des concepts et des rôles : TI % (le domaine d'interprétation)

+I .

(C , D) CI , DI

(C - D) CI - DI

¬ C % / CI

)R.C {d / %0)e.(d, e) / RI " e / CI}

*R.C {d / %0*e.(d, e) / RI $ e / CI}

(! n R) {d / %0#{e0(d, e) / RI } # n} (" n R) {d / %0#{e0(d, e) / RI } " n} R1 , R2 , … , Rk R1

I , R2I , … , Rk

I


Logique de Description Famille des Langages

FL-

FL AL FLN

ALU ALE ALN ALC

ALEN ALUR ALUE SHF SHIQ


SHIQ SHIQ est une extension de ALC avec

des rôles transitifs : R+ clôture transitive de R des rôles inverses : R- ! {(e, d)0 (d, e) / R}!

Inv(R) = R-; Inv(R-) = R!Trans(R) = vrai ssi R / R+ ou Inv(R) / R+!


SHIQ (universal concept) T % (primitive concept) C (C)I (transitive role) R # R+ (R)I = ((R)I )+ (negation) ¬ D % – (D)I (intersection) D1 , D2 (D1)I , (D2)I S (union) D1 - D2 (D1)I - (D2)I (role value restriction) )R.D {e1 0)e2: (e1, e2) / (R)I " e2 / (D)I} (role existence) *R.D {e1 0 *e2: (e1, e2) / (R)I $ e2 / (D)I} (role hierarchy) R1 ! R2 (R1)I 1 (R2)I H (inverse role) R- {(e2, e1) : (e1, e2) / (R)I} I (number restriction) (> n R) {e1 : |{e2 : (e1, e2) / (R)I}| ¸ n} N (number restriction) (< n R) {e1 : n ¸ |{e2 : (e1, e2) / (R)I}|} (qualified number restriction) (> n R D) {e1 : |{e2 : (e1, e2) / (R)I

$ e2 / (D)I}| ¸ n} Q (qualified number restriction) (< n R D) {e1 : n ¸ |{e2 : (e1, e2) / (R)I $ e2 / (D)I}|}


OWL : Web ontology language? Activité du W3C Définir un langage de spécification d'ontologies avec

une semantique formelle pour le “semantic web”

Nom :“the web ontology language OWL” Basé sur une logique de description ? Départ DAML+OIL (van Harmelen et al.)

Web Ontology Language OWL

XML (Schema)

RDF (Schema)


RDF Schema Class : décrit une collection de resources Property

Lien entre classes ou un “litéral” (data value) Restrictions de domaine et image

Subclass : hérite des properties Subproperty Classes et properties sont des resources

“classes comme des instances”


RDF Schema Limitations:

pas de spécification de cardinalité notion de subclass non formelle

Disjonction, complétude notion de property non formelle

Inverse, transitive, symmétrique

Avantages simple : facile à apprendre extensible : notion de métaclasse


RDF Schema

•  class-def •  subclass-of •  slot-def •  subslot-of •  domain •  range

•  class-expressions •  AND, OR, NOT

•  slot-constraints •  has-value, value-type •  cardinality

•  slot-properties •  trans, symm

RDF(S) DAML+OIL


DAML+OIL DAML : Darpa Agent Markup Language OIL : Ontology Inference Layer Working Group du W3C Working Draft Décembre 2001

http://www.w3.org/TR/daml+oil-reference

Logique de description avec syntaxe RDF(S)


DAML+OIL OIL (Ontology Inference Layer-UE) : Langage de spécification d'ontologies Class-def : définition de classes

nom de classe avec sa description " Primitive or defined " Subclass-of

nom de classe Slot-constraint combinaison booléenne (AND, OR, NOT)

" Slot-constraints #  Has-value : chaque instance doit être dans la liste des valeurs #  Value-type : chaque instance doit être de la classe indiquée


DAML+OIL Classes :

<daml:Class rdf:ID="Male">!!<rdfs:subClassOf rdf:resource="#Animal"/> !</daml:Class>!!<daml:Class rdf:ID="Female"> !!<rdfs:subClassOf rdf:resource="#Animal"/> !!<daml:disjointWith rdf:resource="#Male"/> !</daml:Class>!!<daml:Class rdf:ID="Man"> !!<rdfs:subClassOf rdf:resource="#Person"/> !!<rdfs:subClassOf rdf:resource="#Male"/> !</daml:Class> !


DAML+OIL Relations aux autres classes

rdfs:subClassOf!daml:disjointWith!daml:disjointUnionOf!daml:sameClassAs!(daml:equivalentTo)!

Elements contenus daml:oneOf!

Combinations booléennes daml:intersectionOf!daml:unionOf!daml:complementOf!


DAML+OIL Types de base

daml:ObjectProperty!daml:DataTypeProperty

Types spéciaux daml:TransitiveProperty!daml:UniqueProperty!daml:UnambigousProperty!

Restrictions rdfs:subPropertyOf !rdfs:domain !rdfs:range !daml:samePropertyAs !daml:inverseOf!


DAML+OIL Constructeurs


DAML+OIL Axioms


OWL Couche de langages

RDF Schema

OWL – "Frame" Version

OWL – Logic Version

•  Classes / Inheritance •  Properties / Subproperties •  Global Type Restrictions •  Individuals

•  Disjointness and Equality •  Local Properties, Transitivity •  Simple Cardinalities •  Defined and Enumerated Classes

•  Logical Operators •  Full Cardinalities •  Class Expressions


OWL Expressivité maximale (non contraint) décidabilité, calculabilité ? Compatible avec SHIQ + constructeur oneOf Hierarchies avec des contraintes simples

OWL Full

OWL DL

OWL Lite


OWL

http://...cnam.../this.htm

owl:Class

my:Document

rdf:subClassOf

rdf:type

OWL modelling primitive

Custom Ontology Class

Individual


OWL Symmetric: if P(x, y) then P(y, x) Transitive: if P(x,y) and P(y,z) then P(x, z) Functional: if P(x,y) and P(x,z) then y=z InverseOf: if P1(x,y) then P2(y,x) InverseFunctional: if P(y,x) and P(z,x) then y=z allValuesFrom: P(x,y) and y=allValuesFrom(C) someValuesFrom: P(x,y) and y=someValuesFrom(C) hasValue: P(x,y) and y=hasValue(v) cardinality: cardinality(P) = N minCardinality: minCardinality(P) = N maxCardinality: maxCardinality(P) = N equivalentProperty: P1 = P2 intersectionOf: C = intersectionOf(C1, C2, …) unionOf: C = unionOf(C1, C2, …) complementOf: C = complementOf(C1) oneOf: C = one of(v1, v2, …) equivalentClass: C1 = C2 disjointWith: C1$ C2 sameIndividualAs: I1 = I2 differentFrom: I1 $ I2 AllDifferent: I1 $ I2, I1 $ I3, I2 $ I3, … Thing: I1, I2, …


OWL Exemple

<owl:ObjectProperty rdf:ID="situéDans">! <rdf:type rdf:resource="owl:TransitiveProperty" />! <rdfs:domain rdf:resource="owl:Thing" />! <rdfs:range rdf:resource="#Lieu" />!</owl:ObjectProperty>!!

<Region rdf:ID="#Paris">! <situéDans rdf:resource="#IleDeFrance" />!</Region>!!

<Region rdf:ID="#La Tour Eiffel">! <situéDans rdf:resource="#Paris" />!</Region>

1/ la propriété "situéDans" est transitive, 2/ deux assertions "Paris est situé en Île de France" et "La Tour Eiffel est située à Paris" 3/ donc l'assertion "La Tour Eiffel est située en Île de France"


OWL-RDF Même data model:

page.html “moi“ hasAuthor

Resource

(subject)

Property

(predicate)

Value

(object)

<rdfs:Class rdf:ID="River"> <rdfs:subClassOf rdf:resource=

"#Stream"/> </rdfs:Class>

<owl:Class rdf:ID="River"> <rdfs:subClassOf rdf:resource=

"#Stream"/> </owl:Class>

RDFS OWL


OWL-RDF Properties :

rdf:Property

owl:ObjectProperty owl:DatatypeProperty

owl:SymmetricProperty owl:TransitiveProperty

owl:FunctionalProperty owl:InverseFunctionalProperty

Resource ObjectProperty

Resource

DatatypeProperty Resource Value


OWL-RDF Properties :

owl:transitiveProperty P1(x,y) $ P2(y,z) $ P(x,z) owl:inverseOf P(x,y) 2 P(y,x) Owl:symmetricProperty P(x,y) iff P(y,x) owl:functionalProperty P(x,y) ^ P(x,z) $ y = z owl:inverseFunctionalProperty P(y,x) ^ P(z,x) $ y = z


Ontologie Problèmes de compréhension : !  Ambiguïté : le même mot pour des notions différentes

!  Composant : "  composant logiciel "  composant matériel

!  Points de vue, des mots différents pour la même notion "  Composant, package, module…


Ontologie Motivations : !  Formalisation : lever les ambiguïtés !  Indépendance (relative) par rapport à une tâche, ou un problème précis !  Utilisable pour différentes tâches : conception, diagnostic, maintenance, recherche d'information… !  Indépendante d’une implantation : limiter le biais dû à un formalisme de représentation : niveau conceptuel

!  Se mettre d'accord sur le sens des termes employés dans une organisation, une communauté, un métier

!  Faire en sorte que les personnes et les logiciels se comprennent


Ontologie Définition d'une ontologie par TR Gruber:

"une spécification d'une conceptualisation" http://www-ksl.stanford.edu/kst/what-is-an-ontology.html

Ontologies : !  domaine dans la sémantique lexicale et l'intelligence artificielle !  frontières sont des plus imprécises !  système formel destiné à représenter un domaine donné au moyen d'éléments de base, des différents concepts et de leurs réalisations linguistiques


Ontologie Une ontologie permet de fournir le "sens" des symboles utilisés pour construire un modèle du monde !  On parle parfois de méta-modèle !  Exemple :

#  une carte est un modèle (une abstraction) du monde réel #  la symbolique utilisée pour la construire et la lire est un méta-modèle du monde (une abstraction des mondes envisageables)


Ontologie Définir une ontologie c’est :

!  Décider d’un ensemble de primitives de représentation de connaissances

!  Donner une sémantique opérationnelle à ces primitives en explicitant les relations qui lient ces primitives entre elles en terme de : "  Règles de constructions possibles/interdites "  Règles de déductions et de conditions de déclenchement de ces règles


Ontologie Une ontologie comprend : ! Un vocabulaire commun aux experts (besoin de partager une

connaissance) ! Une représentation des relations entre ces termes, qui

définissent cette connaissance

Une ontologie est : ! Utilisable par les humains ! Utilisable par les machines

Les objectifs d'une ontologie sont : ! Rendre permanente une connaissance (même après le départ

du spécialiste) ! Permettre à un spécialiste d'utiliser la connaissance d'un

autre spécialiste ! Permettre à des algorithmes d'utiliser cette connaissance


Ontologie Identifier, modéliser : !  Les concepts et les relations d'un domaine, pertinents pour une/des applications

Se mettre d'accord, au sein d'une communauté, sur les termes employés pour se référer à ces notions

Différentes acceptions du mot ontologie : !  Vocabulaire technique !  Référentiel métier !  Terminologie/thesaurus !  Base de connaissances terminologique…


Ontologie Ontologie : discipline de la philosophie qui traite de la nature et l’organisation de la réalité :

Etude de "ce qui est"

Il n’y a qu’une Ontologie au sens philosophique qui s’intéresse à la nature et à l’organisation de la réalité : "l’être en tant qu’être" indépendamment de ses déterminations particulières (cf. Aristote)

Il y a plusieurs ontologies au sens IA qui sont des référentiels permettant de décrire une réalité dans un langage particulier

!  Nécessite un langage de représentation formelle de l’ontologie

Une ontologie + ensemble d’instances de classes = base de connaissances


Définition d'une ontologie Une ontologie est une spécification explicite et formelle d'une conceptualisation partagée

!  formelle : lisible par une machine !  spécification explicite : les concepts, propriétés, relations,

fonctions, contraintes, axiomes sont définis explicitement !  conceptualisation : modèle abstrait d'un phénomène dans le monde !  partagée : connaissance commune

Engagement ontologique : accord pour utiliser le vocabulaire de manière consistante (pas de

contradiction) et cohérente (toujours le même usage)

Composants d'une ontologie : !  Concepts : organisés en taxinomie !  Relations : sous-classe-de, connecté-à… !  Fonctions !  Instances : éléments !  Axiomes : phrases qui sont toujours vraies


Concept Concept primitif : Humain, Male, Femelle

Concept défini : Homme: Humain and Male

Femme : Humain and Femelle

Patient : < Humain(avoir Maladie)


Relation Identifier les relations pertinentes : !  Hiérarchie : uniquement la relation de subsomption !  instanciation !  partOf, hasPart, !!  closeTo, over, under, contain, connected, etc!

Propriétés des relations : !  partOf est transitive, !  closeTo est symétrique, !  over inverseOf under !  signature : partOf : Object -> Object!


Exemple 1. Human Male Female!Man < Human Woman < Human!Man < Male Woman < Female!!

2. [Man] (gender) [Male]! [Woman] (gender) [Female]!!

3. [Man] (sex) "Male"! [Woman] (sex) "Female"!!4. !concept Thing!

!concept Engine < Thing!!concept Vehicle < Thing!

!

!relation partOf : Thing -> Thing! [Engine] (partOf) [Vehicle]!


Exemple d'ontologie Ontologie du droit http://lri.jur.uva.nl/people/andre/andre.html Ontologie pour l'ingénierie mathématique, comprenant les composants physiques, unités et dimensions [gruber94] Ontologies pour les systèmes physiques en Ontolingua 43 [borst94:1, Physical Systems Ontology] Applications de KADS 32 pour une ontologie des composants logiciels [vandenelst95:1, A functional specification of reusing software components]


La Frame Ontology La "Frame Ontology" capture les primitives de représentation utilisées dans les langages de frames

Engagement ontologique :

!  Les relations sont des tuples

!  Les fonctions sont des cas spéciaux de relations

!  Les classes sont des relations unaires

http://www.ksl.stanford.edu


Bibliothèques d'ontologies

-

+

Réutilisabilité Applicabilité

Ontologie de la représentation : frame ontology

Ontologies générales : temps, espace...

Ontologie du domaine : corps

Ontologie des tâchesdu domaine : chirurgie

Ontologies génériques : composants

Ontologies des tâches génériques : plans

Ontologie du domaine d’application :

maladies de cœur

Ontologie des tâches du domaine

d’application : Chirurgie cardiaque

Exemple:

D'après Gomez-Perez 64"© F.-Y. Villemin 2012"

Exemples d'ontologies Méreologie :

Elément-de

Topologie :Connection

étend

étend

Théorie des systèmes :Système, sous-système, système aléatoire

Composant :Composant, terminal EngMathProcessus :

Processus

PhysSys

vue devue de vue de

spécialise spécialise


Exemples d'ontologies L’ontologie "EngMath"de la modélisation de base des ingénieurs comprend :

!  Scalaire !  Vecteur !  Tenseur !  Dimensions physiques !  Unités de Mesure !  Fonctions de quantités !  Dimensions des quantités

Est utilisée par : !  L’ontologie PhysSys !  Le projet SHADE…


Exemples d'ontologies L’ontologie "PhysSys" de l’ingénierie des systèmes a pour buts : !  Modéliser !  Simuler !  Concevoir des systèmes physiques

Points de vue : !  Architecture des systèmes physiques !  Comportement des systèmes physiques !  Formulation mathématique des relations


Ontologies de domaine On borne les assertions "sémantiquement correctes" du domaine !  On fixe le vocabulaire !  On fixe les constructions valides

On définit des connaissances complexes !  Définition partielle/complète

On explicite les connaissances implicites du domaine !  La relation ternaire entre : un A entre B et C est un A entre C et B


Ontologies de domaine Domaine : électronique, mécanique, médecine, etc.

Modèles de domaine : fonctionnel, causal, structurel…

! Structurel : Engine e1 partOf Vehicle v2

! Causal : Engine breakdown => Vehicle stop


Types d’ontologies Ontologies générales, abstraites, de haut niveau :

Ontologie des catégories conceptuelles : !  Objet, événement, état, processus, action, temps, espace…

Ontologies théoriques : !  physique, mathématique, cinématique…

Ontologie applicative : !  Médecine, automobile, patrimoine culturel, organisation…


Types d’ontologies Exemples :

!  Ontolingua : www-ksl.stanford.edu/sns.html

!  WordNet : Ontologie de la langue naturelle

!  Enterprise Ontology

!  Kactus : ingénierie

!  UMLS : Unified Medical Language System

!  EngMath, PhysSys, CIM


Types d’ontologies Ontologie de représentation (Frame Ontology, OWL)

!  Définie un ensemble de primitives de représentation `

Ontologie générique (Top Level Ontology) !  Définie des notions universelles (Things, Events, Time, Space, Causality, Behavior, Function)

Ontologie domaine linguistique !  Generalized Upper Model (GUM), WordNet, Sensus

Ontologie de domaine !  Menelas (Médical), EngMath et PhysSys (Math et Physique), TOVE and Enterprise (Mémoire d’Entreprise)

Ontologie de PSM et de tâche !  Définie les rôles joués par les concepts dans la PSM/Tâche (KADS)

Documents

Représentation des Connaissancesdeptinfo.cnam.fr/Enseignement/CycleSpecialisation/IAB/Docs/... · Calcul des prédicats classique ou typé Logiques à plusieurs valeurs de vérité